您好，我正在尝试连接两个大型数据集，每个数据集超过10000个条目。为了做到这一点，我创建了一个‘唯一的ID’-一个全名和出生日期的组合，两者都存在。但是，数据集在in中有拼写错误/不同的字符，因此当使用left join时，许多字符将不匹配。我不能访问fuzyjoin/ match，所以不能使用它来部分匹配它们。有人建议使用adist()。如何使用它来匹配和合
浏览 21提问于2021-03-19得票数 0
我希望对我的客户数据执行“模糊-去重复”，以获得每个客户的唯一ID，在原始数据中，可能为同一客户输入了多个ID。
我在R中有一个数据帧，其中包含一个客户列表。许多顾客因不同的购买而被多次输入。有时会重用旧记录(相同的ID)，而其他时候则会发出新记录和新ID。在我不能依赖于所有字段之间的精确匹配的情况下，对这些数据进行去重复的适当策略是什么--例如
浏览 0提问于2019-06-20得票数 1
回答已采纳
我有一个大型数据集，其中有一列包含频繁拼写错误的多单词名称。我们有一个单独的数据，有一列常见的拼写错误。我们希望用一个正确的拼写替换大数据集中的所有拼写错误。这就是我到目前为止尝试过的(使用简化的数据集)。它确实取代了这个词，但我发现每次都有额外的<
浏览 32提问于2022-09-21得票数 0
我有一个数据集，每个文件有50到100个字。我有一种算法，可以预测拼写错误的单词可能是正确的。问题是，为了清理文档中的拼写错误，我需要选择或验证该算法所做的预测。
我可以使用所有可能的正确单词预测正确的拼写在单词向量，
浏览 0提问于2019-06-14得票数 1
我正在使用RStudio创建csv数据集的glm，并且我对R非常陌生(使用它进行Uni赋值)。简而言之，它正在查看一些机动车索赔数据。我已经将数据集read.csv到R中；然后我试着跑若要创建一个表，以查看不同索赔金
浏览 16提问于2021-03-02得票数 1
回答已采纳
我尝试将通过连接4-5个数据集创建的Hive表传输到Redshift。这个过程应该如何实现？
我们在边缘节点上有R可用。蜂窝表必须先传输到S3，然后再从s3传输到红移。这是唯一的方法吗？是否可以使用R，即使用RHive包将我的数据集从HDFS移动到R，然后将此数据集从R移动到Redshift？
浏览 1提问于2015-03-05得票数 2
1回答
将拼写错误的值替换为
、、、、
我有一个餐馆数据集，变量"CONAME“包含每个机构的名称。不幸的是，有相当多的拼写错误，我想纠正它们。我尝试过使用以下代码(我将对所有主要链重复)来实现模糊集匹配：
我得到以下错误消
浏览 2提问于2013-10-10得票数 0
1回答
我有一个按公司名称排序的数据集。有时名称拼写错误，并显示为唯一条目：ABC CompanyDEF CompanyDdf Cmpany事实上，这些条目是同一两家公司名称的变体这显然是我的初始数据集的一个问题，但我需要处理它，以正确地处理我的数据。Name
ABC Company
浏览 7提问于2020-06-15得票数 1
回答已采纳
我需要下载气候数据集的每月决议和几年。数据可在这里获得：
我可以通过点击并保存它们来下载唯一的文件。但是我如何下载几个数据集(例如，如何过滤特定年份？)，或者简单地下载一个目录中的所有文件？我相信应该有一个自动的方式使用一些FTP连接，或一些R编码(在R演播室)，但找不到任何相关的建议。我是Windows 10的<
浏览 5提问于2022-07-06得票数 0
回答已采纳
我发现了一个叫做安然邮件数据集的数据集。这可能是唯一一个真正的“真实”电子邮件收集是公开的。我发现了之前对这项工作的一些分析：帕拉克韦特已经发布了一组开源的安然句子数据，标记为言语行为。宾夕法尼亚大学<
浏览 0提问于2015-05-10得票数 5
回答已采纳
1回答
我是Analysis世界的新手，我想知道为什么我们不能在连接字符串中指定多维数据集名称？我试图将它包含在连接字符串中，但是在这个位置引发了一个ArgumentEx
浏览 2提问于2011-08-16得票数 1
回答已采纳
3回答
我有两个独立的数据集(如。(dataset2.xlsx et1.xlsx和dataset2.xlsx et2.xlsx)。Dataset1有2列，序列号和服务地址。类似地，dataset2有2列、服务地址和客户编号。问题是，这两个数据集中的地址都有拼写错误，例如数据集1中的地址之一是790 spring ln，york，而dataset 2的地址
浏览 0提问于2020-11-18得票数 0
我的问题与Hadoop中的Map side join有关。前几天我正在读ProHadoop，我不明白下面这句话如果已排序的</e
浏览 0提问于2012-05-31得票数 1
我有一个方法("GetDataReader“，让我们称之为它)返回一个SqlDataReader。它位于维护到数据库的持久连接的Singleton DataFactory类中。问题在于，在返回之后，DataReader仍然“连接”到我的DataFactory中的连接对象。因此，我必须确保调用GetDataReader的代码然后调用返回的DataReade
浏览 1提问于2010-01-18得票数 6
回答已采纳
3回答
Dataset HAVE包含两个变量，其中有拼写错误的名称：names和friends。11 TomJoe 11 EggJoe 11 Tom我有一个小的数据集HAVE中的friends与CORRECTIONS的wrong_names列中的名称相匹配，以便在reso
浏览 3提问于2018-05-26得票数 2
回答已采纳
1回答
有数据9L, 5L)), .Names = c("y1", "y1 y25 77 9实际上有5行还有另一个数据集
data2=structure(list(v1 = 1:2, v2 = c(因此，v1的第一行和v2的第一行必须连接到y1的<
浏览 0提问于2018-10-03得票数 0
回答已采纳
我有一个在SSIS上完全运行的ETL，并通过SSAS创建了多维数据集，并成功地进行了部署和处理。我可以通过Visual运行ETL、流程和部署ssas，所有工作
现在，我尝试将多维数据集处理与"Analysis处理任务“一起放在ETL中，其中3个是：”流程维度“、”进程多维数据集“、”流程数据库“。甚至当我将"Connection“中的连接更改为
浏览 1提问于2013-06-19得票数 1
1回答
我读过，我能够制作一个转换脚本(基于C#)，将我的所有charset=NONE数据库转换成charset=UTF8，其中大多数都很好用(我仍然有一些特殊情况，字符被转换成奇怪的符号，但这是边际的)。我的问题是，我有很多备份数据库文件(*.fbk)，但我不确定这是UTF8还是NONE。在理想情况下，根据fbk文件的格式，一旦数据库从文件中恢复，我的代码就会处理转换，所以我只在必要时和
浏览 6提问于2021-07-15得票数 1
1回答
这个问题在这里已经有答案了 ： 在R中使用模糊/近似字符串匹配合并两个数据帧 (4个答案) 8小时前就关门了。 我有两个要连接的数据集 列。但是，图书名称与第一个数据集略有不同。似乎没有明确的模式，但唯一的条件是： 是书名的子集 ..。你有什么建议加入他们吗？
浏览 22提问于2021-03-02得票数 1
回答已采纳
我喜欢来自电影画廊的交互式散点图，我想用我自己的记录(位于一个cvs文件中)复制它，我在RStudio会话中上传了这个文件，名字是all_flexitime，我现在知道这还不够。如何将cvs文件连接或集成到给定的模板中？我相信，我已经重新命名了所有必要的领域。我所犯的错误是：
对象“Flexileave2015”未找到
我相信，Flexileave2015是
浏览 4提问于2016-06-14得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
